Kling 3.0: Motion Control i wieloujęciowość, filtrowane od L2

Nie publikujemy przebiegów naszej skali treści; poniżej codzienny rejestr, wzięty z opublikowanych, bezpiecznych do pracy przykładów ze strony modelu Kling 3.0.

Studyjny taniec, na nowej postaci. Klip napędzający z krokami w bok, głębokim przysiadem z rozłożonymi ramionami i podniesieniem obu rąk wrócił dopasowany krok w krok na nowej postaci, która zachowała własną twarz, satynowy garnitur i studyjne tło zamiast wykonawcy z klipu napędzającego.

Obrót w stronę kamery o zmierzchu. Z klatki początkowej na pokładzie jachtu „jedno ciągłe ujęcie bez cięć” plus opis światła utrzymały kolor zmierzchu i kadrowanie przez pełny obrót w stronę kamery i wypowiedzianą kwestię.

Błyskawica nad podjazdem. Prompt z deszczem i błyskawicą dodał tylko błysk, zejście z ciężarówki i wejście w ulewę — strój i oświetlenie się utrzymały, ale pozycja ciężarówki względem budynku nie pasowała między klatką początkową a późniejszym kątem w tym samym klipie.

Toast na dachu. Ujęcie z ręki przeszło przez tańczący tłum i zakończyło się wspólnym okrzykiem całej grupy jednej kwestii, zsynchronizowanym z muzyką i stukającymi butelkami — nazwanie jednej wspólnej kwestii w prompcie zapobiegło nakładaniu się dialogów.

Na obrazie na wideo powiedz wprost, czy chcesz jedno ciągłe ujęcie, czy sekwencję cięć — model sam doda cięcie, jeśli zostawisz to niejednoznaczne. W Motion Control klip napędzający ustala tempo i występ; zdjęcie postaci ustala, kto to wykonuje.

1. Blokowanie jednego ujęcia na obrazie na wideo.

One continuous shot with no cuts, the golden-pink dusk light staying the same throughout. He turns from the rail toward the camera, pushes his wet hair back with one hand and smiles, then says, "Jump in, the water's perfect."

Uruchom ten prompt w Kling 3.0 →

2. Jedna wspólna kwestia dla sceny grupowej.

A summer rooftop party in Brooklyn at blue hour, string lights and the Manhattan skyline behind. A group of friends dance and laugh, then everyone shouts one line together: "To us!" Their glasses clink on the beat.

Uruchom ten prompt w Kling 3.0 →

Słabo: zostawienie liczby ujęć modelowi, nawet z shot_type: single, to miejsce, w którym widzieliśmy niechciane cięcia. Mocno: wypisz wprost „one continuous shot with no cuts”, tak jak prompt 1, gdy ujęcie musi zostać w jednym kawałku; shot_type: multi i ponumerowaną listę ujęć zostaw na sytuacje, gdy sam chcesz cięć.

Kling sam ocenia każde zapytanie, w trzech punktach: tekst promptu, każdy wgrany obraz lub klip napędzający i gotowy klip. To dotyczyło wszystkich trzech zadań Kling 3.0 — te same wyniki wracały na każdej testowanej przez nas trasie, więc to własna moderacja Kling, a nie coś, co zmieniłby inny endpoint.

28 września 2026 przepuściliśmy naszą pięciostopniową skalę przez obraz na wideo i tekst na wideo (Motion Control nie wchodził w tę rundę). L1 Sugestywny (bielizna, zsuwające się ramiączko) wyrenderował się na każdym testowanym zadaniu; L2 Częściowy był odrzucany za każdym razem, gdy go wysyłaliśmy, łącznie z sześcioma dodatkowymi próbami L2 tego samego dnia na sześciu endpointach Kling 3.0 i O3. L3 Mocny i L4 Intensywny (intymna scena między dwojgiem dorosłych) również były odrzucane, przeważnie na etapie promptu lub uploadu, po kilku sekundach do mniej więcej pół minuty; na jednej trasie zapytanie L3 na tekście na wideo wróciło odrzucone dopiero po około dwóch minutach. Próba L5 Ekstremalny na krępowanie i uderzenia została odrzucona po wyrenderowaniu. Próba L5 Ekstremalny gore rozdzieliła się w zależności od zadania: wyrenderowała się na tekście na wideo i została odrzucona na obrazie na wideo.

Odrzucone zapytania nic nie kosztują — każda odmowa w naszym zestawie testów, łącznie z tymi, które wróciły odrzucone dopiero po pełnym wyrenderowaniu klipu, była darmowa. Nie ma też cichego łagodzenia: w każdym przebiegu klip wracał albo dokładnie taki, jak napisano, albo zadanie kończyło się porażką, a ubranie nigdy nie zostało dodane z powrotem ani scena zamieniona na bezpieczniejszą.

Etykieta strony to odzwierciedla: obraz na wideo i tekst na wideo oba noszą filtrowany poziom polityki, a my nie dokładamy żadnego własnego filtra treści ponad to.

Jeszcze nie testowaliśmy: Motion Control względem naszej skali treści; czy dłuższy, bardziej szczegółowy prompt przesuwa punkt odrzucenia L4 Intensywny; scen z więcej niż dwiema osobami na trudniejszych poziomach.

Tylko dorośli, w każdym prompcie, uploadzie i wyniku. Nigdy nie przedstawiaj prawdziwej, rozpoznawalnej osoby bez jej zgody i upewnij się, że masz prawa do każdego zdjęcia lub klipu, który wgrywasz. Do treści powyżej poziomu bielizny użyj zamiast tego jednej z naszych rodzin Spicy — Wan 2.2 Spicy i Seedance 2.5 Spicy to dwie z wideo — ten endpoint odrzuca wszystko dalej niż L1.

Kling 3.0 pojawia się z nazwy, gdy deweloperzy porównują zamknięte narzędzia wideo. W wątku na Hacker News z kwietnia 2026 jeden z komentujących napisał: „Modele, których używa najwięcej profesjonalistów, to Kling o3, Kling 3.0, a ostatnio także Seedance 2.0”. Osobny wątek z maja 2026, podsumowujący opinie z subreddita o wideo AI, umieścił Kling 3 razem z Seedance 2.0 wśród zamkniętych modeli wideo, po które sięgała społeczność.

Publiczne rankingi na ślepo umieszczają go nieco wyżej niż O3 w tych samych testach. Na rankingu obrazu na wideo Artificial Analysis (28 września 2026) warstwa 720p Standard Kling 3.0 zajęła 23. miejsce z 82 śledzonych modeli; na rankingu obrazu na wideo arena.ai (21 września 2026) jego warstwa 1080p Pro zajęła 19. miejsce z 48, na ponad 200 000 głosach.

• Potrzebujesz obsadzenia zdjęć referencyjnych w ujęciu albo edycji istniejącego klipu? Kling O3 zamienia Motion Control na referencje na wideo i edycję wideo, w tych samych podstawowych cenach co zadania obrazu i tekstu w 3.0. Nasza recenzja Kling O3.
• Wcale nie potrzebujesz Motion Control? Kling 2.6 obejmuje obraz i tekst na wideo z natywnym dźwiękiem od $0.069 za sekundę.
• Potrzebujesz jednego ciągłego ujęcia dłuższego niż 15 sekund? Wan 3.0 działa do 30 sekund z reżyserią wieloujęciową, od $0.045 za sekundę w 480p.
• Chcesz, żeby sceny z dużą ilością dialogów były głównym punktem? Seedance 2.5 jest droższy, ale zbudowany wokół mowy zsynchronizowanej z ustami.